[发明专利]车道偏移警示方法及系统

说明书

技术领域

本发明涉及一种车道偏移警示方法及系统。

背景技术

车道偏移警示系统的研发主要包含“车道线检测”以及“车道偏移检测”两个项目。虽然这个研究已经有十几年的历史，同时也有许多知名学者投入此领域的研究，但是其研究成果还有许多需要改进之处。

现阶段的车道线检测算法包含边缘检测(Edge Detection)以及直线检测(Line Detection)两部分，其应用为检测人工的车道标记(Lane Marker)为主。其中，边缘检测是用来检测车道标记的常用技巧之一。

图1(a1)至图1(b2)绘示已知的边缘检测的范例。其中，图1(a1)及(a2)为原始图像；图1(b1)及(b2)分别为对图1(a1)及(a2)的原始图像进行边缘检测所得的结果。其中，像素的亮度表示边缘的强度(颜色越黑，表示边缘强度越强)，因此，在实际的应用上，还需要设定阈值(threshold)将像素分类成边缘像素(edge pixel)及非边缘像素(non-edge pixel)，以利车道检测算法的后续步骤，但是此一阈值的设定是一个非常困难的工作。

传统的边缘检测算法，有许多需要改进的地方：第一、使用边缘检测方法，虽然可以将边缘像素检测出来，但是，所检测出来的边缘，仅仅是车道标记的边缘，所以会造成空心线(即车道标记的中心部分被判断为非边缘像素)的现象，因此，还需要一些额外的步骤，以避免这些现象。第二、在同一张影片中，有些车道标记的亮度梯度变化强烈，因此可以很容易被检测出来，但是对于那些亮度梯度变化不明显的车道标记，此两种常见的边缘检测算法，便无法检测出来。第三、为了能够处理“短车道线”，传统的边缘检测算法需要额外的前处理步骤，以减少“短车道线”在检测上的困扰，例如可使用图像重叠(image overlapping)技术，通过迭合多张图像，以增长“短车道线”，如此一来，便可以减少错误检测的问题。

图2(a)至图2(e)绘示已知直线检测方法的说明范例。图2(a)表示在二维空间中的点(x，y)，通过下面的公式(1)进行坐标的转换：

w＝xcos(φ)+ysin(φ)    (1)

在坐标转换公式中，由于x、y为已知数，对每个不同的变量φ(由0°到180°)，都可以计算出相对应w值，也就可以得到如图2(b)的累积矩阵。因此，在xy空间中的每一个点，皆可以转换为一条在wφ空间中的曲线，而交点中的曲线数目，可以表示为xy坐标中直线的边缘点个数。图2(c)为一原始图形，图2(d)为对图2(e)实施边缘检测的结果。图2(e)为对图2(d)中的每个边缘点，实施转换后的累积矩阵结果。

由图2(e)中可以很清楚的发现有五个较亮的点(有最多曲线通过的点)，藉此判断该图片中有五条直线。虽然可以知道图像中的直线数目，但是无法进一步得知每条直线所对应的区域为何，在实际的环境中，已知的直线检测方法可以提供直线的信息，但是无法进一步提供该直线是否为“非车道线”。

目前的车道偏移算法需要分析多张连续画面，藉此找到车道线的位移方向，进而判断出车辆是否有偏移的情况。通过分析车道线与左右边界的变化情况，便可以判断出车子的移动方向。现行的车道偏移算法，因为需要分析多张连续画面才能判断出车子的移动分向，因此，其车道偏移的检测结果，必然会经过一定时间的延迟，这也是实时(real time)需求的一个重要问题。

综上所述，已知的车道线检测算法在车道线检测方面，因为无法预测车道线与道路的颜色差距(梯度)程度，因此算法中预设的参数便无法检测出所有类型的车道线。此外，为了强化车道线的特性，往往需要重叠多张连续的画面，以加长车道线的长度。最后，由于使用的直线检测算法，无法提供直线是否属于车道线或是非车道线，因此传统的车道偏移系统，需要一个手动设定的画面，标示出可能的车道线区域，藉此滤掉非道路线。在车道偏移检测方面，传统的车道偏移系统需要分析连续画面的变化，才能判断车子是否偏移，如此一来，系统便无法实时通知驾驶有关车道偏移的信息。

发明内容

有鉴于此，本发明提出一种车道偏移警示方法及系统，可以检测出各种类型的车道线，并可仅由一张画面便判断出车辆是否偏移。